Nvidia Vera, процессор для инфраструктуры ИИ, появился в конфигурациях Oracle Cloud Infrastructure: его предлагают не только вместе со стойками NVL72, но и в отдельных инстансах суперкомпьютерных кластеров. Для рынка это важный сигнал: агентные ИИ-нагрузки начинают влиять не только на спрос на GPU, но и на то, как проектируют серверные CPU, память и облачные тарифы.
О новых инстансах и сопутствующих изменениях на рынке ИИ-инфраструктуры сообщает Tom's Hardware. Издание также опубликовало результаты независимого тестирования локального сервера на Vera: по пропускной способности памяти платформа заметно опережает двухпроцессорную систему на Xeon 6 в отдельных сценариях. Полных деталей методики в еженедельном обзоре нет, поэтому воспринимать сравнение как универсальный рейтинг всех серверных задач было бы преждевременно. Но сам акцент показателен: в ИИ-системах узким местом всё чаще становится не число ядер, а скорость доставки данных к ним.
Vera изначально рассчитана на работу в окружении Nvidia NVL72 — стоек, где вычисления распределены между большим числом ускорителей и сетевых компонентов. Появление самостоятельных CPU-инстансов в OCI расширяет варианты использования: облачные команды могут тестировать серверный процессор без развёртывания полной стойки с ускорителями. Впрочем, слово «самостоятельный» здесь не стоит путать с возвращением к традиционным CPU-only дата-центрам. Vera проектировалась в логике AI-фабрик, где процессор управляет потоком данных, подготовкой запросов, сетью и памятью вокруг ускорителей.
Почему токенов в секунду уже недостаточно
Параллельно Tom's Hardware описывает попытку собрать CPU-бенчмарк для агентных сценариев без GPU. Идея выглядит своевременной. Обычный тест локальной LLM нередко сводится к скорости генерации токенов, однако агент не просто продолжает текст. Он планирует шаги, вызывает инструменты, хранит состояние, читает результаты выполнения кода и снова обращается к модели. Такие циклы создают смесь коротких запросов, работы с контекстом, обращений к памяти и переключений между задачами.
Именно поэтому агентные ИИ-нагрузки сложно описать одной цифрой. Высокая скорость декодирования токенов не гарантирует, что ассистент для разработки быстро завершит цепочку из поиска по репозиторию, запуска тестов и исправления ошибки. Для локальных машин становятся заметны объём и пропускная способность оперативной памяти, задержки при работе с KV-кэшем, эффективность квантования и поведение CPU при нескольких параллельных заданиях. Это особенно актуально для компаний, которые не хотят отправлять исходный код или внутренние документы во внешнее облако.
Издание одновременно выпустило вводный материал по базовой механике LLM: inference, weights, context, quantization и KV cache. Эта терминология давно перестала быть уделом исследователей. Разработчику, выбирающему модель для ноутбука или корпоративного сервера, важно понимать практическую разницу: квантизация уменьшает требования к памяти, но может влиять на качество; длинный контекст повышает потребление ресурсов; KV-кэш ускоряет дальнейшую генерацию, но сам занимает память. Без этого разговор о «модели на устройстве» легко превращается в закупку железа по красивой цифре в рекламной таблице.
Чипы, оптика и дефицит материалов
Облачный дебют Vera — лишь один из элементов более крупной гонки за ИИ-инфраструктурой. Nvidia сообщила о многомиллиардных договорённостях с шестью поставщиками, чтобы закрепить производственные мощности для материалов подложек, передовой упаковки, тестирования полупроводников и оптических модулей. Один из дефицитных компонентов — Ajinomoto Build-up Film, материал для подложек печатных плат. Компания Ibiden названа среди партнёров. Смысл таких сделок предельно приземлённый: деньги обменивают на гарантированное место в очереди на производство.
Проблема упирается не только в выпуск самих кристаллов. Для плотных GPU-кластеров нужны упаковка, подложки, высокоскоростные соединения и сеть, способная передавать данные между ускорителями без потери темпа. По мере роста кластеров медные линии приближаются к физическим ограничениям по пропускной способности и энергопотреблению. На этом фоне PsiQuantum показала лабораторный оптический коммутатор 8×8, который, по заявлению компании, теряет меньше света, чем конкурирующие устройства. До массового внедрения в дата-центры путь ещё длинный, но направление очевидно: будущая цена ИИ-кластера будет зависеть и от фотоники, а не только от количества GPU.
Специализированные модели проникают и в проектирование самих чипов. Cadence представила семейство LLM Maestro для агентных инструментов EDA — автоматизации разработки электроники. Компания заявляет до 30% более высокое качество результатов и до пятикратную экономию токенов по сравнению с моделями общего назначения при тех же задачах. Ранний доступ для избранных заказчиков намечен на четвёртый квартал 2026 года. Это заявление производителя, а не независимый бенчмарк, но логика понятна: в EDA ценность даёт не болтливый универсальный помощник, а модель, знающая ограничения конкретного технологического процесса и инструментария.
В обзоре есть и финансовый штрих к этой картине. В документах Anthropic перед IPO фигурируют контракты на GPU и TPU примерно на 800 млрд долларов, при этом значительная часть вычислительных ресурсов, по данным Tom's Hardware, уходит не на обслуживание пользователей, а на исследования, обучение новых моделей и тестирование. Это меняет популярный тезис о том, что каждая пользовательская генерация заведомо убыточна: авторы обзора отмечают, что выручка Anthropic на доллар вычислительных расходов выглядит благоприятнее этого упрощённого представления. Однако такие выводы следует отделять от оценки бизнеса целиком — капитальные обязательства и расходы на исследования всё равно огромны.
Для русскоязычных команд вывод практический: выбирать инфраструктуру для ИИ теперь придётся по профилю работы, а не по одному показателю производительности. Если задача — локальный кодовый агент, RAG-сервис или внутренний помощник с длинным контекстом, полезнее измерить задержку полного рабочего цикла, потребление памяти и стабильность при параллельных запросах. Если это обучение крупных моделей, к CPU и GPU добавятся вопросы доступности сети, упаковки и облачной ёмкости. Агентные ИИ-нагрузки постепенно превращают процессор, память и интерконнект в одну систему: выигрыш в одном компоненте мало значит, если следующий уже держит очередь из данных.
